大熊猫DataFrame中m转换为km，字符串转换为浮动

Question

我有一个简化的DataFrame，其中我想添加一个新的列Distance_km。在这个新列中，所有值都应该以公里为单位，并转换为float。

d = {'Point': ['a','b','c','d'], 'Distance': ['3km', '400m','1.1km','200m']}
dist=pd.DataFrame(data=d)
dist
    
  Point Distance
0   a    3km
1   b    400m
2   c    1.1km
3   d    200m

Point       object
Distance    object
dtype: object

我怎样才能得到这个输出？

    Point   Distance    Distance_km
0    a       3.8km          3.8
1    b       400m           0.4
2    c       1.1km          1.1
3    d       200m           0.2

Point           object
Distance        object
Distance_km    float64
dtype: object

提前感谢！

Answer 1

您可以使用Pandas 应用方法将您的距离列值传递给一个函数，该函数将其转换为如下所示的标准化单位

从文件中

沿DataFrame的轴应用一个函数。 传递给函数的对象是Series对象，其索引要么是DataFrame的索引(axis=0)，要么是DataFrame的列(axis=1)。默认情况下(result_type=None)，最终返回类型是从应用函数的返回类型推断的。否则，它取决于result_type参数。

首先创建转换数据的函数，apply甚至可以接收lambda。

import re

def convert_to_km(distance):
    '''
    distance can be a string with km or m as units
    e.g. 300km, 1.1km, 200m, 4.5m
    '''
    
    # split the string into value and unit ['300', 'km']
    split_dist = re.match('([\d\.]+)?([a-zA-Z]+)', distance)
    
    value = split_dist.group(1) # 300
    unit = split_dist.group(2)  # km
    
    if unit == 'km':
        return float(value)
    if unit == 'm':
        return round(float(value)/1000, 2)
   
d = {'Point': ['a','b','c','d'], 'Distance': ['3km', '400m','1.1km','200m']}
dist=pd.DataFrame(data=d)

然后，您可以将此功能应用于您的距离列。

dist['Distanc_km'] = dist.apply(lambda row: convert_to_km(row['Distance']), axis=1)

dist

输出将是

    Point   Distance    Distanc_km
0   a            3km    3.0
1   b           400m    0.4
2   c          1.1km    1.1
3   d           200m    0.2

Answer 2

尝试：

# An "Weight" column marking those are in "m" units    
dist["Weight"] = 1e-3
dist.loc[dist["Distance"].str.contains("km"),"Weight"] = 1

# Extract the numeric part of string and convert it to float
dist["NumericPart"] = dist["Distance"].str.extract("([0-9.]+)\w+").astype(float)

# Merge the numeric parts with their units(weights) by multiplication
dist["Distance_km"] = dist["NumericPart"] * dist["Weight"]

你会得到：

  Point Distance  Weight  NumericPart  Distance_km
0     a      3km   1.000          3.0          3.0
1     b     400m   0.001        400.0          0.4
2     c    1.1km   1.000          1.1          1.1
3     d     200m   0.001        200.0          0.2

顺便说一句:如果可能的话，避免使用apply，如果您的数据很大，这将是非常慢的。

Answer 3

您也可以尝试如下:检查字符串的第二个最后一个字符是否为'k‘。

• 如果只删除最后两个字符，即“km”
• 否则，取最后一个字符(即“m”)，并将浮点数除以1000。

下面是使用apply到Distance列的实现：

dist['Distance_km'] = dist['Distance'].apply(lambda row: float(row[:-1])/1000 if not row[-2]=='k' else row[:-2])

结果是：

    Point   Distance    Distance_km
       a    3km          3
       b    400m         0.4
       c    1.1km        1.1
       d    200m         0.2